姜疆

由于传统的机器学习算法大多是基于内存的，而TB甚至PB级的海量数据又无法装载进计算机内存，因此，现有的诸多算法不能处理大数据。如何使机器学习算法适应大数据挖掘的要求，已经成为产业界与学术界研究的主要方向。目前，采用深度学习对数据进行挖掘是比较热门的方法，因为其不仅能自动对数据进行快速处理，而且准确度较高。

事件

“深度学习”应用到医学诊断

2017年，AI医疗领域备受资本市场关注，尤其是到2017年下半年，推想科技、图玛深维、汇医慧影等企业都相继完成了B轮融资。国内高端医疗影像设备生产商联影今年也注资3亿元人民币成立人工智能子公司进军医疗人工智能领域。此外，还有腾讯的“觅影”，阿里健康的“Doctor You”等都在医学影像的智能辅助诊断系统上有所布局。

医学诊断是机器深度学习技术应用对接的重要领域之一。2017年，Nature报道了谷歌运用深度学习技术（主要是卷积神经网络）在该领域取得的新突破。谷歌通过分析眼球的视网膜图像，可以预测一个人的血压、年龄和吸烟状况，而且初步研究表明，这项技术在防范心脏病发作上很有成效。深度学习技术正改变着生物医疗学家处理分析图像的方式，甚至有助于发现从未触及的现象，有望开辟一条新的研究道路。

此外，随着数据库技术的发展和中医领域数据的暴涨，数据挖掘方法甚至开始引入到中医药研究上，产生了中医数据挖掘。不同于传统科学数据，中医药数据有自己的特点，中医药数据的特点主要包括：症状的模糊性、证候的多态性、证候与症状间的非线性、中医药数据的多维性以及挖掘的复杂性。……